概览
{
“overview_html”: “Dual Disease Transcriptomic ML Planner 是一款专为双疾病转录组学与机器学习研究设计而开发的智能规划工具。它能够根据用户提供的两个疾病或表型，自动生成完整的跨疾病生物信息学研究方案，重点聚焦于挖掘共享的差异表达基因、核心枢纽基因以及潜在的交叉机制。该工具的核心优势在于其系统化的分析流程，能够从公共数据库（如GEO）中筛选合适的数据集，执行标准化的差异表达分析，并通过蛋白质互作网络（PPI）和多种算法共识来优先排序关键基因。最终输出不仅包括详细的实验步骤与代码框架，还提供了从基础探索到高影响力论文发表的多个工作量配置选项，帮助用户根据资源与时间约束选择最优路径。无论目标是发现新的生物标志物、验证已有假设，还是构建具有发表潜力的研究框架，该工具都能提供结构清晰、可执行的路线图。”,
“feature_items”: [
“支持七种研究风格设计，涵盖共享DEG→枢纽基因、通路收敛、免疫浸润、单基因深化等多种策略”,
“始终输出四种工作量配置（Lite/Standard/Advanced/Publication+），并推荐一个主方案，适配不同时间与资源条件”,
“内置严格容错机制：当无共享差异基因时自动触发恢复策略（放宽阈值/WGCNA模块替代等）”,
“提供完整R代码模板与GEO数据集获取指南，确保流程可直接复现”,
“区分证据层级：明确标注共享表达、生物标志性能、免疫关联与机制推测的证明强度”
],
“scenarios_html”: “该工具特别适用于希望深入探究两种疾病之间分子层面联系的研究者，例如同时患有动脉瘤与腹主动脉瘤的患者群体，或糖尿病肾病与高血压肾病的共病机制研究。在这些场景中，传统单疾病分析难以揭示共性病理过程，而本工具通过强制进行双疾病对比，能有效识别仅在特定疾病组合中显著富集的生物学模块。对于计划撰写高水平论文的团队而言，其‘Publication+’模式集成了多队列验证、免疫微环境解析与功能富集分析，可满足顶级期刊对严谨性与创新性的双重要求。此外，在科研初期缺乏明确方向时，‘Lite’版本可作为快速可行性测试手段——仅需各疾病一个GEO数据集即可完成初步共享基因挖掘与ROC曲线绘制，帮助团队判断项目是否值得进一步投入。无论是临床医生寻找潜在治疗靶点，还是基础科学家构建跨疾病理论模型，该工具均可作为高效的研究起点与设计蓝图。”
}